Электронные медицинские карты (ЭМК) и поддержка принятия клинических решений

Электронная медицинская карта (ЭМК) позволила внести изменения в процесс оказания медицинской помощи, сделав доступными огромные объемы данных о пациентах и клинической информации для использования в целях поддержки принятия клинических решений (ПКР), а также предоставив пациентам прямой доступ к большей части этой информации.

Законодательные органы США создали финансовые стимулы для принятия ЭМК и, что более важно, целевого применения ЭМК. Несмотря на то, что внедрение ЭМК в Соединенных Штатах идет быстрыми темпами, ее окончательное влияние на обслуживание пациентов, благополучие и профессиональную удовлетворенность врачей остается неясным и, вероятно, будет развиваться в течение многих лет по мере появления новых возможностей и проблем.

Огромный объем информации о пациенте, доступной в единой, часто с возможностью цифрового поиска, электронной точке размещения, а не в бумажном варианте, может помочь в принятии клинических решений, даже если ЭМК служит не более, чем хранилищем информации и изображений, которые можно находить, просматривать и сравнивать.

Ниже приведены некоторые потенциальные преимущества ЭМК:

• ЭМК устраняет проблемы с разборчивостью записей от руки (хотя может давать ошибки при распознавании голоса)

• ЭМК позволяет многим поставщикам медицинских услуг просматривать запись одновременно из разных мест.

• Автоматическое определение взаимодействия лекарственных препаратов, предупреждение об аллергии и обнаружение неправильной дозировки могут уменьшить ошибки при назначении лекарств.

• Ссылки, важные с клинической точки зрения, которые содержаться в ЭМК, с информацией относительно заболеваний, соответствующего скрининга, иммунизации, а также лечения, позволят клиницисту получить доступ к наиболее актуальной информации об осложнениях у пациента в режиме реального времени.

• Клинические инструменты подсчета и калькуляторы вероятностей наличия заболевания до проведения теста, связанные с ЭМА или встроенные в него, могут отбирать информацию из медицинской карты конкретного пациента, чтобы помочь врачу принять решение о диагностике и курсе лечения, а также позволить вмешательство на ранних стадиях заболевания. Анализ вводных данных, сделанных естественным голосом врача, с помощью алгоритмов искусственного интеллекта может предложить диагностические рекомендации, а также облегчить проведение клинических исследований.

• Клинические показатели (например, основные показатели состояния организма, результаты анализов), представленные в ОЗСТ (EHR), могут быть использованы для составления медицинских противопоказаний для информирования врача или даже для того, чтобы определить заранее инициирующий фактор при предписаниях врача или составлении мер лечения больного, диагностических и терапевтических комплексов лечебных мероприятий и составлении клинического протокола. As an example, in a recent study, pediatric patients between the ages of 10 and 17 were randomized to usual care or care bolstered by EHR-linked clinical decision support (CDS) during visits where blood pressure was measured at each encounter. Инструмент Центра по контролю и профилактике заболеваний отображал артериальное давление и процентили, выявлял возникающую гипертонию и предлагал индивидуальные шаблоны мер по лечению больного. За период двухлетнего наблюдения у 1,7% из 31 579 пациентов была выявлена гипертоническая болезнь. Благодаря возможности использовать CDS 17,1% пациентов с гипертензией были направлены на консультацию по снижению веса и физическим упражнениям; 9,4% прошли дополнительное тестирование на гипертензию. Однако после оказания обычной помощи только 3,9% пациентов с гипертонической болезнью были направлены на консультирование, а 4,2% прошли дополнительное обследование. Авторы приходят к выводу, что связанная с ЭМК поддержка клинических решений имела существенный и благоприятный эффект при выявлении гипертонии среди детей (1).

• Предоставление ЭМК-связанных CDS (Систем поддержки принятия клинических решений) во время проведения заказанных диагностических процедур может уменьшить использование малопродуктивного или неподходящего диагностического обследования. Во время недавнего исследования клиницисты, которым в момент ввода назначения были предоставлены критерии целесообразности визуализирующих исследований, опубликованные Американской коллегией радиологов (ACR), назначали меньше малополезных МРТ, КТ, радиоизотопных, ПЭТ и ультразвуковых исследований. Лечащим врачам было предложено выбрать структурированное показание к применению для предпочтительного испытания. Выбранный показатель был отображен с помощью коммерчески доступного инструмента из Центра по контролю и профилактике заболеваний (ЦКЗ [CDS]) (ACR Select) в соответствии с критериями ACR, которые характеризуют выбранный тест как: низкой практичности или, как правило, неподходящей, второстепенной или промежуточной практичности, а также хорошо обозначенный или, как правило, подходящий. Эта поддержка принятия клинических решений снизила частоту проведения тестов низкой полезности с 11% до 5,4% и увеличила частоту тестов высокой полезности с 64,5% до 84%. Улучшение было отмечено среди лечащих врачей, клинических ординаторов и средних медицинских работников (практикующих медсестер и помощников врача) и было наиболее выраженным среди клинических ординаторов (2).

В целом, данные меры направлены на сокращение расхождений в клинической практике, позволяя клиницистам придерживаться того, что считается передовой практикой на основании заключений групп экспертов, профессиональных ассоциаций, страховых компаний или учреждений здравоохранения. Поскольку ЭМК регистрирует, когда такие триггеры или подсказки предоставляются клиницистам, можно оценить соблюдение протоколов или следование руководствам. Эти примеры наглядно демонстрируют еще не реализованный потенциал ЭМК в ЦКПЗ. Развитие систем ЭМК и усовершенствованных ЭМК с поддержкой принятия клинических решений в будущем дополнят традиционный процесс принятия медицинских решений. Более того, интеграция программного обеспечения искусственного интеллекта и машинного обучения в систему ЭМК, хотя и находится на ранних стадиях, потенциально может изменить методы сбора и анализа информации о пациенте (3). В настоящее время доступны инструменты искусственного интеллекта (ИИ) для регистрации и редактирования взаимодействия между клиницистом и пациентом в режиме реального времени, а также для генерации первичной структурированной записи в электронной медицинской карте (ЭМК) (включая резюме, составленное для пациента), которая может быть полностью отредактирована клиницистом. Предполагается, что это приведет к более высокому качеству процесса совместного принятия решений с пациентом, что повысит вероятность успешной реализации клинических решений.

С другой стороны, также были отмечены потенциальные отрицательные стороны ЭМК:

• Заметно увеличилось количество времени, которое врач тратит на ведение документации и работу с клавиатурой (в том числе во время встречи с пациентом, что существенно меняет социальный характер взаимодействия); использование ЭМК является общепризнанным фактором, способствующим выгоранию врачей. (Записи клинического приема, генерируемые ИИ, экономят время при первичном вводе данных с клавиатуры и позволяют уделять больше времени личному общению с пациентом. Однако впоследствии эти записи должны быть отредактированы для обеспечения точности и учета нюансов, при этом клиницисты высказали опасения относительно организационных последствий применения данной технологии [4].)

• Увеличение объема документации в карточке пациента затрудняет идентификацию соответствующей информации (например, копирование содержимого из предыдущих заметок и вставка его без даты в текущие заметки встреч, возможно, для удобства или для обоснования уровня выставления счетов создает путаницу и вызывает скептицизм относительно точности остальной части записи)

• Раскрывающиеся меню для ввода данных по назначенному лечению увеличивают вероятность ошибочного выбора (5)